[发明专利]一种基于卷积神经网络的三维人脸建模方法

权利要求书

1.一种基于卷积神经网络的三维人脸建模方法，其特征在于，具体按照如下步骤实施：

步骤1，使用Kinect相机分别从人脸的左侧、右侧和正前方采集人脸点云信息；

步骤2，对步骤1采集到的人脸点云信息进行预处理，分割出目标物体点云，并对点云进行除噪和平滑；

步骤3，采用基于卷积神经网络的配准方法，得到三个方向的平移配准参数和三个方向的旋转配准参数，实现点云的配准拼接；

步骤4，利用泊松曲面重建法，对点云进行三维重建。

2.根据权利要求1所述的一种基于卷积神经网络的三维人脸建模方法，其特征在于，所述步骤2具体为：

步骤2.1，对Z轴方向上的维度设置一定的深度距离阈值，将目标物点云与其他距离较远的无用信息分割出来，表达式如下：

D(z)为分割后获取的点云数据，若点在最大阈值Depth_Max和最小阈值Depth_Min之间，就分割出来，若在范围之外就舍弃掉；

步骤2.2，将步骤2.1分割出来的点云通过快速双边滤波法，进行高斯线性卷积和双线性插值，对点云数据进行除噪和平滑。

3.根据权利要求2所述的一种基于卷积神经网络的三维人脸建模方法，其特征在于，所述步骤2.2具体如下：

步骤2.2.1，对步骤2.1分割出来的每一个点云数据点p＝(x,y,z)，求出它的m个邻域点q_i(x_i,y_i,z_i)及其深度值d_i(u,v)；

步骤2.2.2，计算光顺滤波函数G_S和G_r以及三维高斯核函数G，计算公式如下：

G＝G_s*G_r (4)

其中，G_s为空间邻近度因子，G_r为深度相似性因子，σ_s和σ_r分别为空间邻域标准差和深度标准差；

步骤2.2.3，计算每个单位区域像素深度值之和WD和W,计算公式如下：

其中，d_i(u,v)为点p＝(x,y,z)邻域的深度值，邻域三维空间合集为R；

步骤2.2.4，将WD和W分别与三维高斯核函数G进行高斯线性卷积，并进行双线性插值，具体公式如下：

其中，interpolate为插值函数，求出滤波后的点云数据D_b(x,y)，实现三维点云数据的平滑。

4.根据权利要求1所述的一种基于卷积神经网络的三维人脸建模方法，其特征在于，所述步骤3具体为：

步骤3.1，构造卷积神经网络的点云配准模型；

步骤3.2，用训练数据训练卷积神经网络的点云配准模型；

步骤3.3，将步骤2得到的点云数据转化为深度图像数据，运用训练好的卷积神经网络的点云配准模型进行配准拼接。